UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

DISEÑO COMPLETAMENTE AL AZAR CON DIFERENTE NÚMERO DE

OBSERVACIONES POR TRATAMIENTO

MODELO ESTADÍSTICO LINEAL

En este diseño el valor de cada unidad experimental Yij se aplica según el siguiente Modelo
Estadístico Lineal:
𝑌𝑖𝑗 = 𝜇 + 𝑆𝑖 + 𝜀𝑖𝑗
Donde:
Yij = Es la respuesta (variable de interés o variable medida), es decir es una observación
en la j-ésima unidad experimental, sujeto al i-ésimo tratamiento.
µ = Es la media general o poblacional.
Si = Es el efecto del i-ésimo tratamiento.
ij = Es el error aleatorio asociado a la respuesta Yij, efecto verdadero de la j-ésima unidad
experimental (replica), sujeta al i-ésimo tratamiento (error experimental)

TABLA ANVA: Fórmulas

F. de V. G.L. S.C. C.M. Fc
𝑡
𝑌𝑖.2 𝑆𝐶𝑡𝑟𝑎𝑡.
Tratamientos t-1 ∑ − 𝑇𝐶
𝑟𝑖 𝑡−1
𝑖=1 𝐶𝑀𝑡𝑟𝑎𝑡.
𝑡 𝑟 𝑡 𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝑡
𝑌𝑖.2 𝑆𝐶𝑒𝑟𝑟𝑜𝑟
Error Experimental ∑(𝑟𝑖 − 1) ∑ ∑ 𝑌𝑖𝑗2 −∑
𝑖=1
𝑟𝑖 𝑡(𝑟 − 1)
𝑖=1 𝑗=1 𝑖=1

𝑡 𝑡 𝑟

Total ∑ 𝑟𝑖 − 1 ∑ ∑ 𝑌𝑖𝑗2 − 𝑇𝐶
𝑖=1 𝑖=1 𝑗=1

√𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝐶𝑉 = × 100 𝑌.. = 𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙
𝑌̅..

Fórmulas de Cálculo
2
 t ri 
a) Término o Factor de Corrección:   Yij 
 
TC =  i =1 j =1 
t

b) Suma de Cuadrados del Total:

 ri i =1
𝑡 𝑟

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑ ∑ 𝑌𝑖𝑗2 − 𝑇𝐶
𝑖=1 𝑗=1

c) Suma de Cuadrados de Tratamientos:

..::.. Pág. 1 ..::..

Diseños Experimentales Ing. Ronald Mamani Mayta

𝑡
𝑌𝑖.2
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ − 𝑇𝐶
𝑟𝑖
𝑖=1
d) Suma de Cuadrados del Error Experimental:
𝑆𝐶𝐸𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝑡𝑟𝑎𝑡

El procedimiento para la prueba de hipótesis es similar al caso anterior solo cambia en el

Cuadro ANVA.

EJEMPLO 4: En un centro experimental, se apareo 9 pares de ovinos de raza corriedale

con diferentes hembras de la misma raza aleatoriamente, obteniéndose pesos de crías al
nacimiento (Kg.), realizar la prueba de hipótesis respectiva con los datos que se presentan
a continuación.

PADRES
Observaciones
1 2 3 4 5 6 7 8 9

1 3.6 3.5 3.0 3.0 3.3 4.3 4.1 3.0 3.6

2 3.0 4.2 3.6 3.2 2.8 1.9 3.2 3.2 3.6

3 3.1 3.4 4.2 2.2 4.0 3.1 3.4 3.9 3.8

4 4.0 3.0 2.2 4.1 3.0 3.4 3.2 4.0

5 4.0 4.4 3.4 3.8 3.2 3.9 3.7

6 3.8 3.8 3.5 3.0 4.0 2.4

7 3.8 2.2 3.0 4.0 4.1 2.8

8 4.3 4.2 3.7 3.6 3.6

9 3.8 3.5 3.8

10 3.4 4.2

11 3.8 4.2

12 3.9 3.9

13 3.3

14 3.6

15 3.2

..:: Pág. 2 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

PROCEDIMIENTO PARA LA PRUEBA DE HIPÓTESIS

1) Planteamiento de Hipótesis
H0: i=0
H1: i0 para al menos una i

Es decir:
H0: no existe diferencia significativa entre los tratamientos
H1: existe diferencia significativa entre los tratamientos

Respecto al problema planteado

H0: los pesos de las crías al nacimiento no difieren por padre (tratamiento)
H1: los pesos de las crías al nacimiento difieren por padre (tratamiento)

2) Nivel de Significancia
α=0.05

3) Estadístico de Prueba
𝐶𝑀
Será 𝐹𝑐 = 𝐶𝑀 𝑡𝑟𝑎𝑡 ∼ a una distribución F con n1 y n2 grados de libertad
𝑒𝑟𝑟𝑜𝑟

4) Regla de Decisión

✓ Si 𝐹𝑐 ≤ 𝐹𝑡 se acepta la hipótesis nula con 1-α % de confianza y se rechaza la

hipostasis alterna con un α% de significancia.
✓ Si 𝐹𝑐 > 𝐹𝑡 se rechaza la hipótesis nula con un α % de significancia y se acepta la
hipostasis alterna con un 1-α% de confianza.

5) Cálculos
El esquema de la matriz de datos a ser procesada, para los cálculos es:

..:: Pág. 3 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

PADRES
Observaciones
1 2 3 4 5 6 7 8 9

1 3.6 3.5 3.0 3.0 3.3 4.3 4.1 3.0 3.6

2 3.0 4.2 3.6 3.2 2.8 1.9 3.2 3.2 3.6

3 3.1 3.4 4.2 2.2 4.0 3.1 3.4 3.9 3.8

4 4.0 3.0 2.2 4.1 3.0 3.4 3.2 4.0

5 4.0 4.4 3.4 3.8 3.2 3.9 3.7

6 3.8 3.8 3.5 3.0 4.0 2.4

7 3.8 2.2 3.0 4.0 4.1 2.8

8 4.3 4.2 3.7 3.6 3.6

9 3.8 3.5 3.8

10 3.4 4.2

11 3.8 4.2

12 3.9 3.9

13 3.3

14 3.6

15 3.2

TOTAL 33.4 24.5 16.4 8.4 28.7 12.3 28 43.5 53.7

ri 9 7 5 3 8 4 8 12 15

Grados de libertad de tratamientos (padres) : t-1 = 9-1 = 8

Grados de libertad del error experimental:

𝑡

∑(𝑟𝑖 − 1) = 62
𝑖=1
Grados de libertad del total:
𝑡

∑ 𝑟𝑖 − 1 = 70
𝑖=1
Factor de corrección:
(248.90)2
𝑇𝐶 = = 872.55
71
..:: Pág. 4 ::..
Diseños Experimentales Ing. Ronald Mamani Mayta

Suma de cuadrados de tratamientos (padres)

33.42 24.52 53.72
𝑆𝐶𝑡𝑟𝑎𝑡 = + + ⋯+ − 872.55 = 3.18
9 7 15

Suma de cuadrados del total

𝑡 𝑟

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑ ∑ 𝑌𝑖𝑗2 − 𝑇𝐶 = 3.62 + 3.02 + 3.12 + ⋯ + 3.22 − 872.55 = 21.44

𝑖=1 𝑗=1

Suma de cuadrados del error

𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝑡𝑟𝑎𝑡 = 21.44 − 3.18 = 18.26

La tabla ANVA es:

F. de V. G.L. S.C. C.M. Fc

Padres 8 3.18 0.397 1.35

Error 62 18.26 0.295
Total 70 21.44

𝐶𝑀𝑡𝑟𝑎𝑡. 0.397
𝐹𝑐 = = = 1.35
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 0.295

6) Conclusión
✓ Como 𝐹𝑐 = 1.35 ≤ 𝐹62,0.95
8
= 2.09 se acepta la hipótesis nula (H0) y se rechaza la
hipótesis alterna (H1), es decir no existen evidencias estadísticas significativas
entre los diferentes tratamientos o padres que se sometieron al estudio. La prueba
no es significativa.

7) Interpretación
No existe diferencia significativa entre los tratamientos (padres) que se sometieron al
estudio, es decir los pesos vivos al nacimiento no dependen del padre por lo tanto se
puede tomar cualquiera de los padres para las siguientes generaciones.

EJEMPLO 5: En un experimento se van a comparar los % de carbohidratos en cuatro

marcas de pan, para lo cual se van a hacer 18 determinaciones: 5 en la marca A, 3 en la B,
4 en la C y 6 en la D.
En este caso, cada marca de pan es un tratamiento (t = 4) y se tienen n1 = 5, n2 = 3, n3 = 4,
n4 = 6. Para obtener las respuestas se tomarán muestras aleatorias de los tamaños
especificados de cada marca y se harán determinaciones de los porcentajes mediante un
procedimiento (hasta donde sea posible) idéntico en las 18 unidades experimentales.
Las observaciones se muestran a continuación:

..:: Pág. 5 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

Tratamiento (Marca)

A B C D

63 60 59 70

68 65 66 69

71 61 58 62

70 59 71

69 70

66

Realice la prueba de hipótesis para la significancia o no de los tratamientos.

DISEÑO COMPLETAMENTE AL AZAR CON IGUAL NÚMERO DE SUBUNIDADES

EXPERIMENTALES POR UNIDAD EXPERIMENTAL
Este diseño puede ser usado cuando se demandan unidades experimentales muy grandes,
debido a ello es posible dividirla en subunidades y ser estudiadas a partir de muestras
pequeñas, también puede ser usado cuando se presentan experimentos donde es muy
tedioso tomar toda la unidad experimental, siempre que sea necesario se puede sacar
subunidades de cada unidad.

CARACTERÍSTICAS
Se debe tener claro que en este tipo de diseños existen dos tipos de análisis uno referente
a las unidades y otro referente a las subunidades, generando las fuentes de variabilidad
que contribuyen a formar la varianza para las comparaciones entre los promedios de los
tratamientos, estas son:

➢ La variabilidad entre las subunidades de una misma unidad experimental. El cuadrado

medio de esta variabilidad se denomina error de muestreo.

➢ La variabilidad entre las unidades experimentales de un mismo tratamiento. El

cuadrado medio de esta variabilidad se denomina error experimental.

ANÁLISIS ESTADÍSTICO
Teniendo en cuanta t niveles de un factor (tratamientos), r repeticiones y m submuestras
por repetición Yijk (i=1, 2, 3, …, t; j=1, 2, 3, …, r: k=1, 2, 3, …, s) se considera como la
observación de una unidad experimental perteneciente a una población cuya media es µijk.
Entonces se generará tres poblaciones, las cuales se distribuirán normalmente.

MODELO ESTADÍSTICO LINEAL

..:: Pág. 6 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

El modelo estadístico apropiado estará dado por:

𝑌𝑖𝑗 = 𝜇 + 𝑖 + 𝜀𝑖𝑗 + 𝑖𝑗𝑘
i=1, 2, 3, …, t
j=1, 2, 3, …, r
k=1, 2, 3, …, s

Donde:
Yijk = Es la variable respuesta de la k-ésima muestra (subunidad) de la j-ésima unidad
experimental, sujeto al i-ésimo tratamiento.
µ = Es la media general poblacional o constante común.
i = Es el verdadero efecto del i-ésimo tratamiento.
ij = Es el efecto verdadero de la j-ésima unidad experimental sujeta al i-ésimo
tratamiento.
ij = Es el verdadero efecto aleatorio del error muestral en la k-ésima subunidad, de la j-
ésima unidad experimental, sujeta al i-ésimo tratamiento.

TABLA DE ANVA
F. de V. G.L. S.C. C.M. Fc

Tratamientos 𝑡
𝑌𝑖..2 𝑌...2 𝑆𝐶𝑡𝑟𝑎𝑡. 𝐶𝑀𝑡𝑟𝑎𝑡.
t-1 ∑ −
(entre grupos) 𝑟𝑠 𝑡𝑟𝑠 𝑡−1 𝐶𝑀𝑒𝑒
𝑖=1

Error experimental 𝑡 𝑟 𝑡
2
𝑌𝑖𝑗. 𝑌𝑖..2 𝑆𝐶𝑒𝑒 𝐶𝑀𝑒𝑒
(unidades dentro t(r-1) ∑∑ −∑
𝑠 𝑟𝑠 𝑡(𝑟 − 1) 𝐶𝑀𝑒𝑚
𝑖=1 𝑗=1 𝑖=1
de grupos)
𝑡 𝑟 𝑠 𝑡 2 𝑟
2
𝑌𝑖𝑗. 𝑆𝐶𝑒𝑚
Error de muestreo tr(s-1) ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 − ∑∑
𝑠 𝑡𝑟(𝑠 − 1)
𝑖=1 𝑗=1 𝑘 𝑖=1 𝑗=1

𝑡 𝑟 𝑠
2
𝑌...2
Total trs-1 ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 −
𝑡𝑟𝑠
𝑖=1 𝑗=1 𝑘=1

EJEMPLO 6: Los datos que se muestran a continuación se refieren a producciones

parciales de forraje de maíz en verde, tomadas como muestras ante la imposibilidad de
medir la producción total de cada unidad experimental. Los tratamientos consisten en
cantidades diferentes de estiércol incorporado al suelo como mejorador.

..:: Pág. 7 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

Dosis I II III IV

24 19 18 23

0 23 21 19 22

21 24 22 20

24 21 23 19

2 TM/ha 19 22 18 21

23 24 22 23

25 31 28 34

4 TM/ha 28 24 32 33

30 32 36 29

56 62 61 62

6 TM/ha 65 60 60 60

58 59 64 61

Se pide realizar el procedimiento para la prueba de hipótesis.

Solución:
El esquema de la matriz de datos a ser procesada es:
Dosis I II III IV Yi..

24 19 18 23

0 23 21 19 22

21 24 22 20

Y1j. Y11.=68 Y12.=64 Y13.=59 Y14.=65 Y1..=256

24 21 23 19

2 TM/ha 19 22 18 21

23 24 22 23

Y2j. Y21.=66 Y22.=67 Y23.=63 Y24.=63 Y2..=259

..:: Pág. 8 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

25 31 28 34

4 TM/ha 28 24 32 33

30 32 36 29

Y3j. Y31.=83 Y32.=87 Y33.=96 Y34.=96 Y3..=362

56 62 61 62

6 TM/ha 65 60 60 60

58 59 64 61

Y4j. Y41.=179 Y42.=181 Y43.=185 Y44.=183 Y4..=728

Y…=1605

PROCEDIMIENTO PARA LA PRUEBA DE HIPÓTESIS

1) Planteamiento de Hipótesis
H0: i=0
H1: i0 para al menos una i

2) Nivel de Significancia.
α=0.01

3) Estadístico de Prueba
𝐶𝑀𝑡𝑟𝑎𝑡
Será 𝐹𝑐 = ∼ a una distribución F con (t-1) y t(r-1) grados de libertad
𝐶𝑀𝑒𝑒

4) Regla de Decisión

✓ Si 𝐹𝑐 ≤ 𝐹𝑡 se acepta la hipótesis nula con 1-α % de confianza y se rechaza la

hipostasis alterna con un α% de significancia.
✓ Si 𝐹𝑐 > 𝐹𝑡 se rechaza la hipótesis nula con un α % de significancia y se acepta la
hipostasis alterna con un 1-α% de confianza.

5) Cálculos
Los cálculos necesarios son:
Grados de libertad Entre grupos (tratamientos) : t-1 = 4 - 1 = 3
Grados de libertad de las unid. Dentro de grupos : t(r-1) = 4(4 - 1) = 12
Grados de libertad del error de muestreo : tr(s-1) = (4)(4)(3 - 1) = 32

..:: Pág. 9 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

Grados de libertad del total : trs – 1= (4)(4)(3) – 1 = 47

Factor de corrección:
𝑌...2 (1605)2 2576025
𝑇𝐶 = = = = 53667.188
𝑡𝑟𝑠 (4)(4)(3) 48

Suma de cuadrados de tratamientos

4
𝑌𝑖..2 𝑌...2 2562 + 2592 + 3622 + 7282
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ − = − 53667.188 = 12469.895
𝑟𝑠 𝑡𝑟𝑠 (4)(3)
𝑖=1

Suma de cuadrados del error experimental

4 2 4 4
𝑌𝑖𝑗. 𝑌𝑖..2 682 + 642 + 592 + ⋯ + 632
𝑆𝐶𝑒𝑒 = ∑∑ −∑ = − 66137.086 = 67.917
𝑠 𝑟𝑠 3
𝑖=1 𝑗=1 𝑖=1

Suma de cuadrados del total

4 4 3
2
𝑌…2
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 − = 242 + 232 + ⋯ + 612 + 53667.188 = 12765.812
𝑡𝑟𝑠
𝑖=1 𝑗=1 𝑘=1

Suma de cuadrados del error

𝑆𝐶𝑒𝑚 = 12765.812 − (12469.895 + 67.917) = 228

La tabla ANVA es:

F. de V. G.L. S.C. C.M. Fc

Tratamientos 3 12469.895 4156.632 734.4

Error Experimental 12 67.917 5.660 0.79

Error de muestreo 32 228.000 7.125

Total 47 12765.812

6) Conclusión
Para tratamientos

✓ Como 𝐹𝑐 = 734.4 > 𝐹3,12,0.95 = 3.49 se rechaza la hipótesis nula (H0) es decir se
rechaza la hipótesis de igualdad de tratamientos y se acepta la hipótesis alterna
(H1), es decir la prueba es significativa.

..:: Pág. 10 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

7) Interpretación
✓ Existe diferencia significativa entre los tratamientos, es decir entre las diferentes
cantidades de estiércol aplicadas al suelo.

EJEMPLO 7: Analice los resultados que se muestran a continuación:

Planta i Hoja j Determinaciones Yijk

1 3.28 6.37

1 2 3.52 7.00

3 2.88 5.68

1 2.46 4.90

2 2 1.87 3.79

3 2.19 4.38

1 2.77 5.43

3 2 3.74 7.18

3 2.55 5.10

1 3.78 7.65

4 2 4.07 8.19

3 3.31 6.62

Realice el procedimiento completo para la prueba de hipótesis.

..:: Pág. 11 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

DISEÑO COMPLETAMENTE AL AZAR CON DIFERENTE NÚMERO DE SUBUNIDADES

EXPERIMENTALES POR UNIDAD EXPERIMENTAL

El Modelo Estadístico Lineal es similar al caso anterior solo cambia en la Tabla ANVA.
F. de V. G.L. S.C. C.M. Fc
2
 ri rij 
t   ijk 
 Y 
 j =1 k =1  − TC 𝑆𝐶𝑡𝑟𝑎𝑡 𝐶𝑀𝑡𝑟𝑎𝑡.
Tratamientos t-1  ri
𝐺𝐿𝑡𝑟𝑎𝑡 𝐶𝑀𝑒𝑒
i =1
 rij
j =1`

2 2
 rij   ri rij 
𝑡   Yijk    Yijk 
ri   t   𝑆𝐶𝑒𝑒 𝐶𝑀𝑒𝑒
 k =1  −  j =1 k =1 
t
Error experimental ∑(𝑟𝑖 − 1)  
rij ri
𝐺𝐿𝑒𝑒 𝐶𝑀𝑒𝑚
𝑖=1
i =1 j =1 i =1
 rij j =1

2
𝑡 𝑟𝑖  rij 
  Yijk  𝑆𝐶𝑒𝑚
ri  
Error de muestreo ∑ ∑( 𝑟𝑖𝑗 − 1) ri r
Yijk2 −   
t ij t


k =1`
𝐺𝐿𝑒𝑚
𝑖=1 𝑗=1 i =1 j =1 k =1 i =1 j =1 rij

𝑡 𝑟𝑖
t ri rij

Total ∑ ∑ 𝑟𝑖𝑗 − 1  Y

i =1 j =1 k =1
2
ijk − TC
𝑖=1 𝑗=1

2
 t ri rij 
  Yijk 
 i =1 j =1 k =1  (Y )2
TC =   =
t ri
n..
 rij
i =1 j =1

EJEMPLO: En el Centro Experimental Chuquibambilla de la Universidad Nacional del

Altiplano, se evaluaron los pesos de destete (Kg) en ovinos criollos de la progenie de 8
hembra, las cuales fueron apareadas a 3 padres. Cada padre fue apareado al azar con
diferente número de madres, de los cuales cada madre tiene diferente número de crías.
Con la información obtenida se estimaron los componentes de varianza para esta
característica.

..:: Pág. 12 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

Padres P1 P2 P3

Madres M602 M270 M694 M268 M278 M246 M249 M603

1 15 16 17 22 22 15 16 25

2 17 15 19 15 19 17 17 16

3 14 13 18 19 18 18 20 16

4 13 24 20 15 22 18 20

5 15 17 20 15

6 17 18

Se pide realizar el procedimiento para la prueba de hipótesis.

Solución: El esquema de la matriz de datos a ser procesada es:
Padres

P1 P2 P3

Madres Madres Madres

Crías M602 M270 M694 M268 M278 M246 M249 M603

1 15 16 17 22 22 15 16 25

2 17 15 19 15 19 17 17 16

3 14 13 18 19 18 18 20 16

4 13 24 20 15 22 18 20

5 15 17 20 15

6 17 18

Yij. Y11.=74 Y12.=44 Y13.=78 Y21.=93 Y22.=74 Y31.=109 Y32.=71 Y33.=110 Y…=653

rij r11=5 r12=3 r13=4 r21=5 r22=4 r31=6 r32=4 r33=6 r..=37

Yi.. Y1..=196 Y2..=167 Y3..=290

PROCEDIMIENTO PARA LA PRUEBA DE HIPÓTESIS

1) Planteamiento de Hipótesis
H0: i=0
H1: i0 para al menos una i

2) Nivel de Significancia: α=0.05

..:: Pág. 13 ::..
Diseños Experimentales Ing. Ronald Mamani Mayta

3) Estadístico de Prueba
𝐶𝑀𝑡𝑟𝑎𝑡
Será 𝐹𝑐 = ∼ a una distribución F con n1 y n2 grados de libertad
𝐶𝑀𝑒𝑒

4) Regla de Decisión

✓ Si 𝐹𝑐 ≤ 𝐹𝑡 se acepta la hipótesis nula con 1-α % de confianza y se rechaza la

hipostasis alterna con un α% de significancia.
✓ Si 𝐹𝑐 > 𝐹𝑡 se rechaza la hipótesis nula con un α % de significancia y se acepta la
hipostasis alterna con un 1-α% de confianza.

5) Cálculos
Los cálculos necesarios son:
G. L. de los tratamientos : t-1 = 3 - 1 = 2
3
G. L. del error experimental:  (r − 1) = (3 − 1) + (2 − 1) + (3 − 1) = 5
i =1
i

G. L. del error de muestreo:

3 ri

 (r
i =1 j =1
ij − 1) = (5 − 1) + (3 − 1) + (4 − 1) + (5 − 1) + (4 − 1) + (6 − 1) + (4 − 1) + (6 − 1) = 29

3 ri
G. L. del total:  r
i =1 j =1
ij − 1 = (5 + 3 + 4 + 5 + 4 + 6 + 4 + 6) − 1 = 37 − 1 = 36

Factor de corrección:
2
 3 ri rij 
  Yijk 
 i =1 j =1 k =1 
 = (Y ) = (653) = 11524.56757
2

TC = 
2

3 ri
n.. 37
 rij i =1 j =1

Para la suma de cuadrados de tratamientos calculamos:

2
 ri rij 
  Yijk 
3  
 j =1 k =1  = (196) + (167) + (290) = 11556.3611
2 2 2

 ri
12 9 16
i =1
 rij
j =1`

..:: Pág. 14 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

2
 ri rij 
  Yijk 
3  
=   − TC = 11556.36111− 11524.56757 = 31.793544
j =1 k =1
SCtrat ri
i =1
 rij j =1`

Para la suma de cuadrados del error experimental

2
 rij 
  Yijk 
r  k =1  2 2 2 2 2 2 2 2
  = 74 + 44 + 78 + 93 + 74 + 109 + 71 + 110 = 11617.41667
3


i

i =1 j =1 rij 5 3 4 5 4 6 4 6

2 2
 rij   ri rij 
  Yijk    Yijk 
r   3  
SCee =    −   = 11617.41667− 11556.36111= 61.05556
3


i
k = 1 j =1 k =1
ri
rij
i =1 j =1 i =1
 rij
j =1

Para la suma de cuadrados del error de muestreo

3 ri rij

Y
i =1 j =1 k =1
2
ijk =152 + 172 + 142 +  + 152 + 182 = 11823

2
 rij 
  Yijk 
3 ri rij 3 ri  
SCem =  Yijk2 −    = 11823− 11617.41667 = 205.58333
k =1`

i =1 j =1 k =1 i =1 j =1 r ij

Suma de cuadrados del total

t ri rij
SCtotal =  Yijk2 − TC = 11823− 11524.56757 = 298.43243
i =1 j =1 k =1

La tabla ANVA es:

F. de V. G.L. S.C. C.M. Fc

Entre padres 2 31.793544 15.89677 1.302

Entre madres/padres 5 61.05556 12.21111 1.723

Progenie/madre/padre 29 205.58333 7.08908

Total 36 298.43243

6) Conclusión
Para tratamientos (entre padres)

..:: Pág. 15 ::..

Diseños Experimentales Ing. Ronald Mamani Mayta

Como 𝐹𝑐 = 1.30 > 𝐹2,5,0.95 = 5.79 se acepta la hipótesis nula (H0) es decir acepta la
hipótesis de igualdad de tratamientos al 95% de nivel de confianza.

7) Interpretación
No existen evidencias estadísticas significativas, es decir aceptamos la hipótesis de
que los tratamientos (padres) son similares o no demuestran ser diferentes.

EJEMPLO 8: Considere un ejemplo para investigar la conversión fermentativa del azúcar

a ácido láctico. Deseamos comparar la capacidad de dos microorganismos para efectuar
esta conversión. Una cantidad de substracto es preparada y dividida en dos porciones
desiguales. Cada porción es dividida en un número de subporciones de 100 ml. (unidades
experimentales) como sigue: Nº 1, 4 unidades; Nº 2, 3 unidades. Cada una de las unidades
de 100 ml. Es inoculada como uno u otro de los dos microorganismos, 4 unidades fueron
inoculadas con el microorganismo Nº 1 y 3 unidades con el microorganismo Nº 2. La
fermentación se deja proceder por 24 horas, y después cada unidad experimental
(subporción de 100 ml.) es examinada respecto a la cantidad de azúcar residual,
expresada en mg. por 5 c.c., para determinar la cantidad de cambio producida por cada
microorganismo. El azúcar previamente presentado será convertido y aparece como
ácido láctico. Posteriormente varios números de determinaciones son hechos en cada
muestra. Los datos se registran en la siguiente tabla.
Microorganismo Nº 1 Microorganismo Nº 2

Determinaciones Muestra Nº Muestra Nº

1 2 3 4 1 2 3

1 5.6 5.0 5.4 5.3 7.6 7.4 7.5

2 5.7 5.0 5.4 5.5 7.6 7.0 7.6

3 5.1 5.4 7.8 7.2 7.5

4 5.5 7.4

5 5.4

Se pide realizar el procedimiento para la prueba de hipótesis de significancia o no de los

tratamientos.

..:: Pág. 16 ::..